শ্রবণ স্ক্রীনিং ফলাফলের প্রাক-মূল্যায়ন: নবজাতক, স্কুল এবং কর্মক্ষেত্র

লাভ:

• OAE এর 'পাস/ফেল' লজিক এবং স্বয়ংক্রিয় ABR-ভিত্তিক স্ক্রীনিং ফলাফল এবং কৃত্রিম বুদ্ধিমত্তার সহায়তায় স্ক্রীনিং এবং রোগ নির্ণয়ের মধ্যে পার্থক্য সঠিকভাবে অবস্থান করার ক্ষমতা
• কৃত্রিম বুদ্ধিমত্তাকে প্রাক-স্ক্রিনার হিসাবে ব্যবহার করার ক্ষমতা যা স্ক্রীনিং তালিকায় ফলো-আপের প্রয়োজন হয় এমন ক্ষেত্রে অগ্রাধিকার দেয় এবং মিথ্যা নেতিবাচক ঝুঁকি এড়ায়
• কর্মক্ষেত্রে শব্দ স্ক্রীনিং এবং স্কুল স্ক্রীনিংয়ে কৃত্রিম বুদ্ধিমত্তার আউটপুটের সীমা এবং বিজ্ঞপ্তির বাধ্যবাধকতা বোঝা

শ্রবণ স্ক্রীনিং হল একটি স্ক্রীনিং প্রক্রিয়া যা সমাজে যাদের শ্রবণ সমস্যা হতে পারে তাদের দ্রুত শনাক্ত করে এবং তাদের ডায়াগনস্টিক মূল্যায়নের নির্দেশ দেয়। স্ক্রীনিং রোগ নির্ণয় নয়; এটি এই ইউনিটের সবচেয়ে সমালোচনামূলক বাক্য। স্ক্রীনিং বলে "এই ব্যক্তির সাথে কিছু ভুল হতে পারে, এটি পরীক্ষা করা হোক"; রোগ নির্ণয় বলে, "এই ব্যক্তির এই ধরনের এবং ক্ষতির মাত্রা আছে।" কৃত্রিম বুদ্ধিমত্তা হল স্ক্রীনিং ফলাফলের প্রাক-মূল্যায়ন করার জন্য একটি শক্তিশালী প্রাক-স্ক্রীনার - বিশেষ করে প্রচুর সংখ্যক ফলাফলের মাধ্যমে বাছাই করা এবং যেগুলির ফলো-আপের প্রয়োজন সেগুলিকে অগ্রাধিকার দেওয়া। কিন্তু এটি সম্পূর্ণরূপে মিথ্যা নেতিবাচক (মিসড বাস্তব কেস) প্রতিরোধ করতে পারে না এবং ডায়াগনস্টিক সিদ্ধান্ত নিতে পারে না।

এই ইউনিটে, আমরা তিনটি সাধারণ স্ক্রীনিং প্রসঙ্গে কভার করব: নবজাতকের শ্রবণ স্ক্রীনিং, স্কুল-এজ স্ক্রীনিং এবং কর্মক্ষেত্রে শব্দ স্ক্রীনিং। তাদের প্রতিটিতে, আমরা স্পষ্ট করব আপনি কোথায় নিরাপদে কৃত্রিম বুদ্ধিমত্তা ব্যবহার করতে পারবেন এবং কোথায় আপনার থামতে হবে।

স্ক্রীনিং পরীক্ষার যুক্তি

আসুন জেনে নেওয়া যাক দুটি মৌলিক নবজাতক/শিশু স্ক্রীনিং পদ্ধতি।

OAE (Otoacoustic Emission): শব্দের প্রতিক্রিয়ায় একটি সুস্থ কক্লিয়া (অভ্যন্তরীণ কানের শ্রবণ অঙ্গ) দ্বারা উত্পাদিত খুব ক্ষীণ শব্দগুলি পরিমাপ করে। কানের মধ্যে একটি ছোট প্রোব স্থাপন করা হয়; যদি কক্লিয়া একটি "প্রতিধ্বনি" দেয় তবে পরীক্ষাটি "পাস" বলে বিবেচিত হয়। OAE দ্রুত কিন্তু কক্লিয়ার (শ্রাবণ স্নায়ু) পিছনে সমস্যা সনাক্ত করতে পারে না।

স্বয়ংক্রিয় ABR (অডিটরি ব্রেনস্টেম রেসপন্স): শ্রবণ স্নায়ু এবং ব্রেনস্টেম শব্দের বৈদ্যুতিক প্রতিক্রিয়া পরিমাপ করে। এটি বিশেষ করে নিবিড় পরিচর্যার শিশুদের ক্ষেত্রে পছন্দ করা হয় কারণ এটি এমন অবস্থা সনাক্ত করতে পারে যেগুলি OAE মিস করতে পারে, যেমন অডিটরি নিউরোপ্যাথি (একটি অবস্থা যেখানে কক্লিয়া কাজ করে কিন্তু স্নায়ু সঞ্চালন প্রতিবন্ধী)।

উভয় পরীক্ষার ফলাফল সাধারণত "পাস" বা "ফেল/রেফার" হয়। "ব্যর্থ" একটি রোগ নির্ণয় নয়; আরও মূল্যায়নের প্রয়োজন নির্দেশ করে। "পাস" নির্দেশ করে যে বর্তমান স্ক্যানে কোনো সুস্পষ্ট সমস্যা নেই, এবং এটি আজীবন শ্রবণের নিশ্চয়তা দেয় না।

সতর্কতা: OAE থেকে "পাস" ফলাফল সহ একটি শিশুর মধ্যে একটি অডিটরি নিউরোপ্যাথি-টাইপ ক্ষতি লুকিয়ে থাকতে পারে। পরিবারকে বলা হয় না "এটি শেষ হয়ে গেছে = এটি কখনও সমস্যা হবে না"; উপসর্গ পর্যবেক্ষণ এবং ফলো-আপ, প্রয়োজনে, ক্ষতির জন্য সুপারিশ করা হয় যা পরবর্তীতে বিকাশ করতে পারে।

কেন প্রাথমিক রোগ নির্ণয় এত গুরুত্বপূর্ণ?

নবজাতকের শ্রবণশক্তি স্ক্রীনিং একটি সাধারণ এবং গুরুত্ব সহকারে নেওয়া প্রোগ্রাম হওয়ার কারণ হল যে শ্রবণশক্তি ভাষা এবং বক্তৃতা বিকাশের ভিত্তি। একটি শিশুর জন্মের মুহূর্ত থেকে, সে তার চারপাশের শব্দ শুনে ভাষা শেখে; যদি শ্রবণশক্তির ক্ষতি অলক্ষিত হয়, উন্নয়নের এই উইন্ডোটি নীরবে মিস করা যেতে পারে। প্রাথমিকভাবে সনাক্ত করা এবং যথাযথভাবে সমর্থিত শ্রবণশক্তি হ্রাসের ক্ষেত্রে, শিশুর ভাষা বিকাশ দেরিতে সনাক্ত করা হলে তার চেয়ে উল্লেখযোগ্যভাবে উন্নত হয়। এই কারণেই স্ক্রীনিং-এর "মিথ্যা নেতিবাচক"—অর্থাৎ, সত্যিকারের ক্ষতির সাথে একটি শিশুকে "পাস" বলে হারিয়ে যাওয়া—ক্ষেত্রে সবচেয়ে ব্যয়বহুল ভুল: হারানো মাসগুলি পরে বিকাশগত পার্থক্যে রূপান্তরিত হতে পারে যার ক্ষতিপূরণ করা কঠিন।

ট্র্যাকিংয়ের চেইন যাতে ভেঙে না যায় তা নিশ্চিত করার জন্য এই প্রসঙ্গে কৃত্রিম বুদ্ধিমত্তা বিশেষভাবে মূল্যবান। স্ক্রীনিং প্রোগ্রামগুলির একটি সাধারণ সমস্যা হল যে শিশুটি "ব্যর্থ" ফলাফল সহ আরও মূল্যায়নের জন্য কখনই আসে না (পরিবার দেখায় না, রেকর্ডটি হারিয়ে যায়, অ্যাপয়েন্টমেন্টটি ভুলে যায়)। AI এই "হারানো ফলো-আপ" হার কমাতে সাহায্য করতে পারে ফলো-আপের প্রয়োজন এবং অনুস্মারক টেক্সট তৈরি করে। কিন্তু কোন শিশুটি সত্যিকার অর্থে ঝুঁকির মধ্যে রয়েছে এবং রোগ নির্ণয়ের প্রক্রিয়াটি কীভাবে এগিয়ে যাবে সেই সিদ্ধান্ত সর্বদা বিশেষজ্ঞ এবং প্রোগ্রামের ক্লিনিকাল দায়িত্ব।

মিথ্যা নেতিবাচক এবং মিথ্যা ইতিবাচক ভারসাম্য

প্রতিটি স্ক্রীনিং পরীক্ষা দুই ধরনের ত্রুটি করতে পারে। একটি মিথ্যা নেতিবাচক ব্যক্তিকে অনুপস্থিত করা হচ্ছে যার আসলে সমস্যা আছে কারণ তারা "এর উপরে" - স্বাস্থ্যসেবার সবচেয়ে বিপজ্জনক ভুল কারণ শিশুটি অনুসরণ করা হয়নি। একটি মিথ্যা ইতিবাচক মূলত সুস্থ ব্যক্তিকে "ব্যর্থ" হিসাবে চিহ্নিত করে - অপ্রয়োজনীয় উদ্বেগ এবং অতিরিক্ত পরীক্ষা তৈরি করে, তবে কম বিপজ্জনক।

স্ক্রীনিং তালিকায় AI ব্যবহার করার সময় আপনার সচেতনভাবে এই ভারসাম্য বজায় রাখা উচিত: প্রাক-স্ক্রীনিং-এ, "অনুপস্থিত" (অর্থাৎ সন্দেহভাজন ব্যক্তিকে অনুসরণ করা) এর দিকে থ্রেশহোল্ড রাখা সাধারণত নিরাপদ। নীচের টেবিলটি তিনটি প্রসঙ্গের তুলনা করে।

প্রসঙ্গ

সাধারণ পদ্ধতি

মিথ্যা নেতিবাচক ঝুঁকি

AI এর নিরাপদ ভূমিকা

নবজাতক

OAE/স্বয়ংক্রিয় ABR

উচ্চ (উন্নয়ন বিলম্ব)

ফলাফল তালিকা সম্পাদনা, ফলো-আপ অনুস্মারক

স্কুল বয়স

বিশুদ্ধ ভয়েস স্ক্যানিং

মাঝারি (প্রশিক্ষণ প্রভাব)

শ্রেণি/তালিকা অগ্রাধিকার

কর্মক্ষেত্র

নয়েজ অডিওমেট্রি

মাঝারি-উচ্চ (পেশাগত রোগ)

প্রবণতা/তুলনা প্লট

ধাপে ধাপে: AI দিয়ে স্ক্যান করার প্রাক-মূল্যায়ন

1. বেনামী এবং গঠন তথ্য. আইডি, পাস/ফেল এবং প্রযোজ্য হলে পরিমাপের মান পরিবর্তে কোড/সিকোয়েন্স নম্বর দ্বারা ফলাফল তালিকাভুক্ত করুন।
2. প্রাক-যোগ্যতা নিয়ম সংজ্ঞায়িত করুন। যারা "ব্যর্থ" এবং যারা সীমান্তে আছে তাদের অগ্রাধিকার দিন; এটি সেট করুন যাতে আপনি সিদ্ধান্তটি মিস করবেন না।
3. এআইকে অগ্রাধিকার দিন। একটি তালিকার জন্য জিজ্ঞাসা করুন যেটি কী কী পর্যবেক্ষণ করা দরকার, কী পুনরায় স্ক্যান করা দরকার এবং কী স্বাভাবিক তা ভেঙে দেয়।
4. মিথ্যা নেতিবাচক জন্য দেখুন. এমনকি "পাস" গ্রুপে, যদি কেউ লক্ষণগুলি বর্ণনা করে (পারিবারিক সন্দেহ, বক্তৃতা বিলম্ব), ফলো আপ করুন।
5. বিশেষজ্ঞের কাছে ডায়াগনস্টিক নির্দেশিকা ছেড়ে দিন। চূড়ান্ত রোগ নির্ণয় এবং পরবর্তী পরীক্ষার সিদ্ধান্ত অডিওলজিস্ট/চিকিৎসকের।
6. বিজ্ঞপ্তির বাধ্যবাধকতা প্রয়োগ করুন। পেশাগত স্বাস্থ্য বিজ্ঞপ্তি এবং সুরক্ষা প্রক্রিয়া পরিচালনা করুন, বিশেষত কর্মক্ষেত্রে সনাক্ত করা ক্ষতির ক্ষেত্রে।

দুর্বল প্রম্পট / শক্তিশালী প্রম্পট

দুর্বল প্রম্পট:

নিম্নলিখিত শিশুদের OAE ফলাফল আছে, আমাকে বলুন কোনটি বধির: [তালিকা]

এটি "বধির" এর মতো সুনির্দিষ্ট ডায়গনিস্টিক ভাষার জন্য আহ্বান করে, স্ক্রীনিং-নির্ণয়ের পার্থক্যকে উপেক্ষা করে এবং মিথ্যা নেতিবাচকের ঝুঁকি উপেক্ষা করে।

শক্তিশালী প্রম্পট:

আপনার ভূমিকা: প্রাক-স্ক্রিনিং সহকারী যিনি স্ক্রীনিং ফলাফলের আয়োজন করেন। একটি রোগ নির্ণয় করবেন না; আমাকে মনে করিয়ে দিন যে একটি "পাস/ফেল" স্ক্রীনিং একটি রোগ নির্ণয় নয়। ডেটা (বেনামী, ক্রম নম্বর সহ): [পাস/ফেল তালিকা + নোট যদি থাকে] টাস্ক: (1) "ফেল" কে অগ্রাধিকার দিন, (2) আলাদাভাবে "পাস" চিহ্নিত করুন কিন্তু উল্লেখ্য নয় (পারিবারিক সন্দেহ, ইত্যাদি), (3) প্রতিটি দলের জন্য প্রস্তাবিত পরবর্তী ধাপ লিখুন। বলুন যে চূড়ান্ত রোগ নির্ণয় এবং পরবর্তী পরীক্ষার সিদ্ধান্ত অডিওলজিস্ট/চিকিৎসকের উপর নির্ভর করে।

দৃঢ় অনুরোধটি বেনামী, স্ক্রীনিং-নির্ণয়ের পার্থক্য সংরক্ষণ করে, মিথ্যা নেতিবাচক বিবেচনা করে এবং বিশেষজ্ঞের উপর সিদ্ধান্ত ছেড়ে দেয়।

তিনটি মিনি কেস

কেস 1 - অগ্রাধিকার। একটি স্ক্রীনিং ইউনিটে 120টি নবজাতকের ফলাফল রয়েছে; 8 "বাম"। অডিওলজিস্ট কৃত্রিম বুদ্ধিমত্তাকে বেনামী তালিকা দেয় এবং ট্র্যাকিং তালিকা সম্পাদনা করে। AI 8টি "ফেল" কেস এবং 3টি কেস "পাস" নোট দিয়ে আলাদা করে, কিন্তু শ্রবণশক্তি হারানোর পারিবারিক ইতিহাস রয়েছে৷ বিশেষজ্ঞ 11টি শিশুকে অনুসরণ করেন। AI মিনিটে 120 লাইন সম্পাদনা করেছে; অপহরণের ঝুঁকি কমেছে।

কেস 2 - মিথ্যা নেতিবাচক ক্যাপচার। স্কুল স্ক্রীনিংয়ে, একটি 9 বছর বয়সী শিশু বিশুদ্ধ টোন স্ক্রীনিংয়ে "পাস" পেয়েছিল, কিন্তু শিক্ষক উল্লেখ করেছেন যে "তিনি এটি সব সময় পুনরাবৃত্তি করেন এবং পিছন থেকে ডাকলে এটি শুনতে পান না।" অডিওলজিস্ট এই নোটটিকে কৃত্রিম বুদ্ধিমত্তায় ফিল্টার দিয়ে স্ক্যান করেন "পাস গ্রুপে কোন লক্ষণ আছে কি?" শিশুটিকে আরও মূল্যায়নের জন্য নেওয়া হয় এবং একটি সামান্য তরঙ্গায়িত ক্ষতি সনাক্ত করা হয়। সংখ্যাসূচক "উত্তীর্ণ" ক্লিনিকাল লক্ষণ ওভাররাইড করেনি।

কেস 3 — কর্মক্ষেত্রে পক্ষপাতিত্ব। একটি কারখানায় 50 জন শ্রমিকের বার্ষিক শব্দ অডিওমেট্রি আছে। বিশেষজ্ঞ গত বছরের সাথে বেনামী মানগুলির তুলনা করে একটি স্কেচ চেয়েছেন। YZ 5 জন কর্মীকে চিহ্নিত করেছে যারা 4000 Hz এ উল্লেখযোগ্য থ্রেশহোল্ড পরিবর্তন দেখাচ্ছে। বিশেষজ্ঞ তাদের ডায়গনিস্টিক মূল্যায়ন এবং ব্যক্তিগত সুরক্ষামূলক সরঞ্জাম পর্যালোচনার জন্য উল্লেখ করেন; পেশাগত স্বাস্থ্য বিজ্ঞপ্তি প্রক্রিয়া শুরু করে।

অনুলিপিযোগ্য প্রম্পট টেমপ্লেট

স্ক্রীন তালিকা অগ্রাধিকার টেমপ্লেট নিম্নলিখিত বেনামী স্ক্রীনিং ফলাফলগুলিকে তিনটি গ্রুপে ভাগ করুন: (1) ফলো-আপ অগ্রাধিকার ("ফেল"), (2) গ্রেড/সন্দেহের কারণে পর্যালোচনা ("পাস" + ইঙ্গিত), (3) রুটিন৷ স্ক্রীনিং রোগ নির্ণয় নয়, এটি একটি নির্দিষ্ট রোগ নির্ণয় নয়। তথ্য: [তালিকা]

মিথ্যা নেতিবাচক ফিল্টার টেমপ্লেটার "পাস" ফলাফল সহ রেকর্ড করে কিন্তু একটি উপসর্গ/পারিবারিক সন্দেহ/উন্নয়ন নোট একটি পৃথক তালিকা হিসাবে উপস্থিত হয় এবং কেন আপনি ফলো-আপের সুপারিশ করেন তা লিখুন। ডেটা: [পাস গ্রুপ + নোট]

ওয়ার্কপ্লেস ট্রেন্ড তুলনা টেমপ্লেট নিম্নলিখিত বেনামী কর্মী কোডগুলির জন্য এই বছরের এবং গত বছরের নয়েজ অডিওমেট্রি থ্রেশহোল্ডের সাথে তুলনা করুন; যেগুলি উল্লেখযোগ্য অবনতি দেখায় (বিশেষত 3000-6000 Hz) চিহ্নিত করুন। সিদ্ধান্ত এবং বিজ্ঞপ্তি বিশেষজ্ঞের অন্তর্গত। ডেটা: [মান]

পরিবার/সম্পর্কিত তথ্য টেমপ্লেট "স্ক্রিনিং একটি রোগ নির্ণয় নয়, পাস করা আজীবন গ্যারান্টি দেয় না, থাকার অর্থ বধির নয়" এই বার্তার সাথে সরল তুর্কি ভাষায় একটি তথ্যমূলক অনুচ্ছেদ লিখুন। উদ্বেগ তৈরি করবেন না, বাস্তববাদী হোন, ফলো-আপের গুরুত্বের উপর জোর দিন।

সাধারণ ভুল

• নির্ণয়ের জন্য একটি স্ক্যান ভুল করা. একটি নির্দিষ্ট নির্ণয় হিসাবে একটি "পাস/ফেল" ফলাফল উপস্থাপন করা।
• মিথ্যা নেতিবাচক ভুলে যাওয়া। "উত্তীর্ণ" গোষ্ঠীতে লক্ষণীয় ক্ষেত্রে উপেক্ষা করা।
• পরিবারকে মিথ্যা আশ্বাস। "পাস = কোন সমস্যা নেই" বলা; অডিটরি নিউরোপ্যাথির মতো সম্ভাবনাকে উপেক্ষা করা।
• বিজ্ঞপ্তির বাধ্যবাধকতা বাইপাস করা। কর্মক্ষেত্রে শনাক্ত হওয়া ক্ষতির বিষয়ে পেশাগত স্বাস্থ্য প্রক্রিয়ায় রিপোর্ট না করা।
• গাড়িতে শনাক্তকরণ ডেটা প্রবেশ করানো হচ্ছে। কৃত্রিম বুদ্ধিমত্তার পরিচয় গোপন না করে শিশু/কর্মীর পরিচয় প্রদান করা।

সংক্ষেপে

স্ক্রীনিং হল একটি নির্মূল যা সম্ভাব্য সমস্যা দূর করে এবং তাদের ডায়াগনস্টিক মূল্যায়নের দিকে নির্দেশ করে; এটি একটি রোগ নির্ণয় নয়। AI হল একটি শক্তিশালী প্রি-স্ক্রিনারের মাধ্যমে প্রচুর সংখ্যক ফলাফলের মাধ্যমে বাছাই করা এবং যেগুলি ফলো-আপের প্রয়োজন তাদের অগ্রাধিকার দেওয়া, কিন্তু এটি সম্পূর্ণরূপে মিথ্যা নেতিবাচক প্রতিরোধ করতে পারে না। যদি "পাস" থাকা সত্ত্বেও লক্ষণগুলি থাকে তবে এটি বিশেষজ্ঞের সিদ্ধান্ত অনুসরণ করা, এবং যদি "ফেল" হয় তবে আরও মূল্যায়ন বিশেষজ্ঞের সিদ্ধান্ত; কর্মক্ষেত্রে সনাক্ত করা ক্ষতির ক্ষেত্রে বিজ্ঞপ্তি এবং সুরক্ষা বাধ্যবাধকতা অবশ্যই প্রয়োগ করতে হবে।

আবেদন টাস্ক

একটি বেনামী, তৈরি করা স্ক্রীনিং তালিকা প্রস্তুত করুন (অন্তত 15 লাইন, পাস/ফেল, এবং কিছুতে লক্ষণ নোট)। AI কে "অগ্রাধিকার" এবং "মিথ্যা নেতিবাচক ফিল্টার" টেমপ্লেট সহ দুটি তালিকা দিন। তারপরে এটি ম্যানুয়ালি পর্যালোচনা করুন: AI মিস বা ওভারমার্ক করা কোনও লাইন আছে কি? "পারিবারিক তথ্য" টেমপ্লেট ব্যবহার করে পরিবারের জন্য একটি তথ্য অনুচ্ছেদ তৈরি করুন এবং অতিরঞ্জিত/আশ্বাসের জন্য এটি সংশোধন করুন।

চেকলিস্ট

• [ ] আমি বেনামে এবং কাঠামোগতভাবে স্ক্যান ফলাফল প্রদান করেছি।
• [ ] "ব্যর্থ" এবং আমি সীমান্তে তাদের অনুসরণ করাকে অগ্রাধিকার দিয়েছিলাম।
• [ ] আমি আলাদাভাবে "উত্তীর্ণ" গ্রুপে লক্ষণীয় কেসগুলি পর্যালোচনা করেছি।
• আমি চূড়ান্ত রোগ নির্ণয় এবং পরবর্তী পরীক্ষার সিদ্ধান্ত বিশেষজ্ঞের উপর ছেড়ে দিয়েছি।
• [ ] আমি কর্মক্ষেত্রের প্রেক্ষাপটে বিজ্ঞপ্তি/সুরক্ষার বাধ্যবাধকতা পর্যবেক্ষণ করেছি।
• আমি পারিবারিক তথ্যগুলো বাস্তবসম্মত এবং অ-উদ্বেগপূর্ণ ভাষায় লিখেছি।